【正文】 在批變模式中 ， 所有的輸入被應(yīng)用于網(wǎng)絡(luò)后 ， 權(quán)重和閾值才被更新一次 。 在 Matlab 中訓(xùn)練網(wǎng)絡(luò)有兩類模式 ： 逐變模式 (incrementalmode)和批變模式 (batchmode)。 對于 newff 函數(shù) 產(chǎn)生的網(wǎng)絡(luò) ， 其缺省的性能函數(shù)是網(wǎng)絡(luò)輸出和實(shí)際輸出間的均方差 MSE。 對于能耗預(yù)測 實(shí)驗(yàn) 系統(tǒng)，默認(rèn)傳遞函數(shù) 輸入層和中間層 為 Tansigmoid 函數(shù) ，輸出層為 Purelin。 因此 ， 對非線性問題 ， 輸入層和隱層多采用非線性 傳遞函數(shù) ， 輸出層采用線性函數(shù) ， 以保持輸出的范圍 ， 就非線性傳遞函數(shù)而言 ， 若樣本輸出均大于零時 ， 多采用 Logsigmoid 函數(shù) ， 否則 ， 采用Tansigmoid 函數(shù) 。 對于輸入矩陣 p 和輸出矩陣 t 進(jìn)行歸一化處理的語句為 ： [pn， minp， maxp， tn， mint， maxt]=premnmx(p， t)； 訓(xùn)練時應(yīng)該用歸一化之后的數(shù)據(jù) ， 即 ： =train(， pn， tn)； 訓(xùn)練結(jié)束后還應(yīng)對網(wǎng)絡(luò) 仿真 的輸出 an=sim(， pn)作如下處理 ： a=postmnmx(an， mint， maxt)； 東北大學(xué)碩士學(xué)位論文 29 當(dāng)用訓(xùn)練好的網(wǎng)絡(luò)對新數(shù)據(jù) pnew 進(jìn)行預(yù)測時 ， 也應(yīng)作相應(yīng)的處理 ： pnewn=tramnmx(pnew， minp， maxp)； anewn=sim(， pnewn)； anew=postmnmx(anew， mint， maxt)； 3 傳遞函數(shù)的選擇 工具箱提供了三種傳遞函數(shù) ： Logsigmoid、 Tansigmoid 和線性函數(shù)Purelin。本系統(tǒng)默認(rèn)的預(yù)處理方法就 是歸一化方法。 在本系統(tǒng)中，當(dāng)選擇了一種預(yù)處理方法時，它的后期處理函數(shù)自動給出。 2 數(shù)據(jù)預(yù)處理和后期處理 如果對神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)進(jìn)行一定的預(yù)處理 ， 可以加快網(wǎng)絡(luò)的訓(xùn)練速度 ， Matlab 中提供的預(yù)處理方法有 (1)歸一化處理 ： 將每組數(shù)據(jù)都變?yōu)?1 至 1 之間數(shù) ， 所涉及的函數(shù)有 premnmx、 postmnmx、 tramnmx；(2)標(biāo)準(zhǔn)化處理 ： 將每 組數(shù)據(jù)都化為均值為 0， 方差為 1 的一組數(shù)據(jù) ， 所涉及的函數(shù)有 prestd、 poststd、 trastd； (3)主成分分析 ： 進(jìn)行正交處理 ，可減少輸入數(shù)據(jù)的維數(shù) ， 所涉及的函數(shù)有 prepca、 trapca。 所謂逐步增長是先從一個較簡單的網(wǎng)絡(luò)開始 ， 若不符合要求則逐步增加隱層單元數(shù)到合適為止 ； 逐步修剪則從一個較復(fù)雜的網(wǎng)絡(luò)開始逐步刪除隱層單元 ， 具體實(shí)現(xiàn)已有不少文獻(xiàn)討論 。 東北大學(xué)碩士學(xué)位論文 28 l m n?? () 或 20 .4 3 0 .1 2 2 .5 4 0 .7 7 0 .3 5 0 .5 1l m n n m n? ? ? ? ? ? () 其中 m、 n 分別為輸入結(jié)點(diǎn)數(shù)目與輸出結(jié)點(diǎn)數(shù)目 。 L 的選擇至今仍得不到一個統(tǒng)一的規(guī)范 。 在輸入層輸出層節(jié)點(diǎn)數(shù)確定以后，再考慮隱含層節(jié)點(diǎn)數(shù)的確定 。 同理，當(dāng)選擇多能源預(yù)測時，輸出層節(jié)點(diǎn)數(shù)為 3，為煤氣、新水、 電單耗，輸入層節(jié)點(diǎn)數(shù)任意確定為 3 的倍數(shù)， 倍數(shù)的意義在于采用三種能源的歷史數(shù)據(jù)的天數(shù)。 從中可以看出，總共有 number_datam(34)組數(shù)據(jù)樣本來訓(xùn)練 網(wǎng)絡(luò) 。而對于神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù) 就可以任意選擇了 。 先 選定某種能源，這是進(jìn)行預(yù)測的第一步。 下面 針對實(shí)際問題 ， 具體討論 BP 網(wǎng)絡(luò)的建立、傳遞函數(shù)的選擇、網(wǎng)絡(luò)的訓(xùn)練等 一系列問題 ， 在 神經(jīng)網(wǎng)絡(luò)工具箱 相關(guān)函數(shù)的基礎(chǔ)上，實(shí)現(xiàn)各種能耗預(yù)測的方法函數(shù) [18]。 這無形增加了研究工作量和編程計(jì)算工作量 。學(xué)習(xí)或者說訓(xùn)練的過程是網(wǎng)絡(luò)全局誤差趨向最小值的過程。 循環(huán)記憶訓(xùn)練： 為使網(wǎng)絡(luò)的輸出誤差趨于極小值，對于 BP 網(wǎng)絡(luò)輸入的每一組訓(xùn)練模式，一般要經(jīng)過數(shù)百次甚至上萬次的循環(huán)記憶訓(xùn)練，這種循環(huán)記憶訓(xùn)練實(shí)際就是反復(fù)重復(fù)輸入模式順傳播和輸出誤差逆?zhèn)鞑ミ^程。 調(diào)整量與輸入值的大小成正比，這里由于輸入值越大，在這次學(xué)習(xí)過程中就顯活躍，所以與其相連的權(quán)值的調(diào)整幅度就越大。 對于輸出層至中間層連接權(quán)和輸出層閾值的校正量為： ktktjt bdav ???? () ktt dar ??? () 其中： ktb 中間層 j 單元的輸出 ktd 輸出層的校正誤差 pj ,3,2,1 ?? qt ,3,2,1 ?? mk ,3,2,1 ?? )(10 學(xué)習(xí)系數(shù)??a 中間層至輸入層的權(quán)值校正量和中間層的閾值為： kikiij oew ???? ? () kit e??? ?? () 其中： kje 中間 j 單元 的校正誤差。f 對輸出層函數(shù)的導(dǎo)數(shù) 中間層各單元的校正誤差： )()( 39。 輸出層的校正誤差為： )()( 39。 輸出值： jb = )( jj f () 式中 jf ()稱為激勵函數(shù)或作用函數(shù) ， 一般采用 sigmoid 函數(shù)： )e xp (1 1)( jjjj ne tne tfb ???? () 隱含層可以為一層或多層，但是隨著隱含層的增多，網(wǎng)絡(luò)的復(fù)雜程度也隨之增加，學(xué)習(xí)速度減慢 ， 另外網(wǎng)絡(luò)的推導(dǎo)能力也有可能下降，既所謂的 ”overfitting”現(xiàn)象 ， 網(wǎng)絡(luò)隱含層節(jié)點(diǎn)及節(jié)點(diǎn)數(shù)目的選取是 BP 網(wǎng)絡(luò)學(xué)習(xí)算法有待解決的一個問題。 BP 算法的推導(dǎo)如下： 正向傳播過程 輸入層：輸入層一般為樣本各分量輸入值 ， 輸出值一般等于輸入值 。如果不能在輸出層得到期望的輸出，則轉(zhuǎn)入反向傳播，運(yùn)用鏈導(dǎo)數(shù)法則將連接權(quán)關(guān)于誤差函數(shù)的導(dǎo)數(shù)沿原來的連接通路返回，通過修改各層的權(quán)值使得誤差函數(shù)減小。 BP 網(wǎng)絡(luò)是一種有監(jiān)督的前饋運(yùn)行的神經(jīng)網(wǎng)絡(luò)，它由輸入層 i，隱含層j，輸出層 k 以及各層之間的節(jié)點(diǎn)的連接權(quán)所組成。正向傳播時，輸入樣本從輸入層傳入，經(jīng)各隱含層逐層處理后，傳向輸出層。 下面 主要 就 對單輸出形式的 神經(jīng)網(wǎng)絡(luò)類型的選擇 、 輸入輸出層的設(shè)計(jì) 、 網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)準(zhǔn)備 、 網(wǎng)絡(luò)的隱層數(shù)及隱層結(jié)點(diǎn)設(shè)計(jì) 、 訓(xùn)練函數(shù)預(yù)測 函數(shù)的選擇 、 網(wǎng)絡(luò)性能的評價等都進(jìn)行了闡述 .并東北大學(xué)碩士學(xué)位論文 24 在此基礎(chǔ)上，設(shè)計(jì)出良好的人機(jī)交互界面 。 煤 氣 單 耗1 ( 1 )xt1x t n?煤 氣 單 耗電 單 耗電 單 耗新 水 單 耗新 水 單 耗煤 氣 單 耗電 單 耗新 水 單 耗2 ( 1 )xt2 ()x t n?3 ( 1 )xt ?3 ()x t n?2 ()xt1 ()3 ()輸 入 層 中 間 層 輸 出 層。煤 氣 單 耗煤 氣 單 耗1 ( 2)xt ?1 ( 3 )?。 圖 為 單能耗 預(yù)測 模型， 以煤氣預(yù)測為例，當(dāng)選擇神經(jīng)網(wǎng)絡(luò)輸入層個數(shù) n 時，則以 1 1 1( 1 ) , ( 2) , , ( )x t x t x t n? ? ?為 預(yù)測數(shù)據(jù)輸入， 1()xt為待預(yù)測數(shù)據(jù)。 為此，本文建立了 BP 神經(jīng)網(wǎng)絡(luò) 能耗 成本預(yù)測模型。但是由于 很多 成本預(yù)測是一種多因素、不確定性、非線性問題，成本構(gòu)成的因素之間互相影響， 存在耦合現(xiàn)象，上述方法沒東北大學(xué)碩士學(xué)位論文 23 有考慮成本構(gòu)成因 素之間的耦合，因此預(yù)測精度低。如第一章所述，成本預(yù)測有很多種方法。 物料消耗預(yù)測和 其它費(fèi)用的預(yù)測 以及能耗價格的變化 不在本文討論范圍。 能耗 成本預(yù)測 模型 設(shè) 計(jì) 本文所建模型主要預(yù)測能源的單耗。 能耗成本目標(biāo)模擬 ，是成本計(jì)劃的重要部分，本文根據(jù)影響各個能耗的工藝指標(biāo)的不同，采用不同的方法進(jìn)行目標(biāo)模擬， 電消耗模擬模型為多元線性回歸模型，煤氣和水消耗模型 采用的是 案例推理模型。 功能設(shè)計(jì) 選礦生產(chǎn)能耗 成本預(yù)測 作為成本預(yù)測的主要內(nèi)容， 一方面為成本計(jì)劃提供依據(jù)，另一方面為監(jiān)控成本各項(xiàng)指標(biāo)變化趨勢、成本動態(tài)在線控制提供了信息。 預(yù)測結(jié)果比較： 對于不同的能源，它的 兩種預(yù)測結(jié)果和成本能耗目標(biāo)模擬值進(jìn)行最終的比較， 進(jìn)行分析， 給出 與 以往歷史數(shù)據(jù)的對比曲線。 預(yù)測評價：對 BP 網(wǎng)絡(luò)和指數(shù)平滑方法的預(yù)測結(jié)果 先進(jìn)行自我評價，東北大學(xué)碩士學(xué)位論文 22 而后 進(jìn)行 總的 對比分析，給出分析結(jié)果圖，指出對不同能耗預(yù)測 方法 的優(yōu)劣。其中主要討論 BP 網(wǎng)絡(luò)的模型結(jié)構(gòu)的建立，討論 傳遞函數(shù)、訓(xùn)練函數(shù)、和學(xué)習(xí)函數(shù)的設(shè)置等，為產(chǎn)品成本計(jì)劃制定提供科學(xué)依據(jù)。 在選礦生產(chǎn)能耗成本預(yù)測 實(shí)驗(yàn) 系統(tǒng) 中主要包括 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型，指數(shù)平滑預(yù)測模型、成本目標(biāo)模擬模型、以及預(yù)測評價綜合、預(yù)測結(jié)果比較四大塊，如 圖 所示。 選礦生產(chǎn)能耗成本預(yù)測實(shí)驗(yàn)系統(tǒng)的 流程如圖 所示，具體步驟如下： ① 用戶在用戶界面中選擇成本目標(biāo)模擬還是進(jìn)行能耗預(yù)測，當(dāng)選擇成本目標(biāo)模擬時，轉(zhuǎn)入②；當(dāng)選擇能耗預(yù)測時，轉(zhuǎn)入③； ② 成本目標(biāo)模擬， 在此界面中選擇不同的能源采用給定的模擬方 法進(jìn)行建模，并得到最終 以旬為單位的模擬 結(jié)果 ，轉(zhuǎn)入④ ； ③ 能源消耗 預(yù)測， 在此界面中對不同的能耗分別給定兩種預(yù)測方法， 選取其中之一進(jìn)行建模 ，并得到最終 以日為單位的預(yù)測 結(jié)果 ，轉(zhuǎn)入④和 ⑥ ； ④ 數(shù)據(jù)存儲，對能耗模擬結(jié)果和預(yù)測結(jié)果存入數(shù)據(jù)庫，為預(yù)測評價和綜合評價做準(zhǔn)備 ； ⑤ 預(yù)測評價， 對能耗預(yù)測結(jié)果 采用 均方誤差 、平方和誤差 等 誤差 計(jì)算 方法進(jìn)行 預(yù)測 結(jié)果的 誤差 評價； ⑥ 綜合評價， 實(shí)際數(shù)據(jù)、 成本目標(biāo)模擬得到的旬能耗目標(biāo) 值 和能耗預(yù)測得到的日單耗 值 進(jìn)行 對比 評價 ； ⑦ 將評價結(jié)果返回到用戶界面，為下一步的成本目標(biāo)模擬和能源預(yù)測提供借鑒。其中可視化界面是由數(shù)據(jù)處理模塊、模型建立模塊，結(jié)果顯示模塊組成的； 實(shí)驗(yàn) 計(jì)算由成本目標(biāo)模擬計(jì)算模塊和能源消耗預(yù)測模塊構(gòu)成；評價分析是由比較結(jié)果模塊和預(yù)測評價模塊兩部分組成。 (3) 對能源單耗進(jìn)行預(yù)測 仿真 ， 并給出預(yù)測仿真結(jié)果 。 在此基礎(chǔ)上提出了選礦生產(chǎn)能耗成本 預(yù)測實(shí)驗(yàn) 系統(tǒng)的目標(biāo)： (1) 為能源消耗的預(yù)測提供一個 可擴(kuò)充的 實(shí)驗(yàn)平臺 。 在 準(zhǔn)確地預(yù)測能耗的基礎(chǔ)上， 掌握能耗變化趨勢 從而 合理地組織生產(chǎn)，對生產(chǎn)過程成本進(jìn)行超前控制 起到了 非常 重要 的 意義 。通過對成本預(yù)測方法的 應(yīng)用 ， 發(fā)現(xiàn) 任一種 預(yù)測方法在歷史資料的利用、預(yù)測的全面性、模型的動態(tài)可變性 等方面都 有 各自不同的 缺陷。 能耗成本預(yù)測的困難 性 ： 對于選礦生產(chǎn)的 能耗成本預(yù)測， 由于影響 能耗 的因素多而復(fù)雜 ，且 具有很強(qiáng)的不確定性 ，因此 這些因素之間的 數(shù)學(xué)模型 很難 建立 。 能耗 預(yù)測 實(shí)驗(yàn)系統(tǒng) 開發(fā)意義 能耗成本預(yù)測的 必要性 ： 選礦廠生產(chǎn)過程中，主要能源動力有高爐煤氣、焦?fàn)t煤氣、電、新水、蒸汽、壓氣等，其中水、電、煤氣是主要能耗指標(biāo)，占能源動力費(fèi)用的 96%，占生產(chǎn)總成本的 %，因此，對能耗的管理 具 有非常重要的 意義。 能 源 月 簽 證 數(shù) 據(jù)計(jì)量統(tǒng)計(jì)數(shù)據(jù)公 司 生 產(chǎn) 處能 源消 耗計(jì) 劃生 產(chǎn) 部綜 合 部作 業(yè) 區(qū)公 司 生 產(chǎn) 處作 業(yè) 長 及 操 作 人 員 計(jì) 量 與 統(tǒng) 計(jì) 人 員選 礦 生 產(chǎn) 過 程駐 廠 財 務(wù)科責(zé) 任 指 標(biāo) 分 析 結(jié) 果能 耗量 差分 析結(jié) 果能 源 計(jì) 劃 價 格能 源 實(shí) 際 價 格能 源 消 耗 計(jì) 劃能 源 成 本 差 異 分 析 結(jié) 果圖 選礦廠能耗成本控制的業(yè)務(wù)流程 The energy cost control operation of Jiuquan Steel’s ore plant 現(xiàn)行能耗成本控制存在的問題： 目前選礦廠的能耗成本控制管理結(jié)構(gòu)已經(jīng)建立，但沒有真正實(shí)現(xiàn)有效東北大學(xué)碩士學(xué)位論文 17 的能耗成本監(jiān)控，數(shù)據(jù)未能直接來源于生產(chǎn)過程實(shí)時，數(shù)據(jù)滯后；業(yè)務(wù)數(shù)據(jù)處理基 本上是采用計(jì)算機(jī)來代替手工做報表，甚至有些信息是通過電話進(jìn)行傳遞的，未實(shí)現(xiàn)管理信息化、集成化，能耗成本控制具體業(yè)務(wù)不能有機(jī)的融合。 作業(yè)區(qū)： 目前 (甲、乙、丙、丁 )作業(yè)區(qū)每月填制責(zé)任區(qū)域指標(biāo)控制表(以統(tǒng)計(jì)數(shù)據(jù)為準(zhǔn) )，反映作業(yè)區(qū)所控 制指標(biāo)的執(zhí)行情況及動因分析，每月結(jié)帳日的當(dāng)天報送選礦廠生產(chǎn)部。除此而外，還分析由于管理原因等造成的管理差異，匯同“